📄Работа №115169
Тема: Аффинитивный анализ при решении задач построения классификационных моделей
Тип работы
Бакалаврская работа
Предмет
программирование
Объем:
43 листов
Год:
2018
Просмотров:
230
4800
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Аннотация 2
ВВЕДЕНИЕ 5
1 АНАЛИЗ СОСТОЯНИЯ ВОПРОСА 7
2 РАЗРАБОТКА АЛГОРИТМА ПОСТРОЕНИЯ КЛАССИФИКАТОРА НА ОСНОВЕ АФФИНИТИВНОГО АНАЛИЗА 11
2.1 Технология аффинитивного анализа 11
2.2 Анализ экспериментальных данных 19
2.3 Алгоритм синтеза классификатора на основе данных аффинитивного анализа 22
3 ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ ПРЕДЛОЖЕННЫХ РЕШЕНИЙ 28
3.1 Апробация алгоритма на данных контактной сварки 28
3.2 Программная реализация предложенных решений 32
ЗАКЛЮЧЕНИЕ 38
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 40
ВВЕДЕНИЕ 5
1 АНАЛИЗ СОСТОЯНИЯ ВОПРОСА 7
2 РАЗРАБОТКА АЛГОРИТМА ПОСТРОЕНИЯ КЛАССИФИКАТОРА НА ОСНОВЕ АФФИНИТИВНОГО АНАЛИЗА 11
2.1 Технология аффинитивного анализа 11
2.2 Анализ экспериментальных данных 19
2.3 Алгоритм синтеза классификатора на основе данных аффинитивного анализа 22
3 ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ ПРЕДЛОЖЕННЫХ РЕШЕНИЙ 28
3.1 Апробация алгоритма на данных контактной сварки 28
3.2 Программная реализация предложенных решений 32
ЗАКЛЮЧЕНИЕ 38
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 40
📖 Введение
Развитие искусственного интеллекта привело к созданию отдельного класса интеллектуальных систем, предназначенных для диагностики технологическими процессами. В бакалаврской работе в качестве технологического процесса рассматривается контактная точечная сварка.
В интеллектуальных системах диагностики технологических процессов применяются такие методы машинного обучения, как нейронные сети различных видов, деревья принятия решений, индуктивные алгоритмы классификации.
Примечательно, что данные методы направлены на решение задачи классификации — восстановления зависимости между измеряемыми параметрами технологического процесса и получаемым классом качества продукции.
При этом существуют алгоритмы поиска ассоциативных правил, одним из которых является Apriori. Недостатков алгоритма Apriori являет то, что он не предназначен для решения задач классификации, он решает задачи аффинитивного анализа.
В настоящее время исследованиями на тему совершенствования возможностей алгоритмов аффинитивного анализа данных занимаются такие ученые, как Y. Djenouri, M. Comuzzi, P. Arora, S. Singh, X. Zhao, D. Li, Z. Sun, Y. Chen, B. Liao, N. C. Benhamouda, H. Drias, C. Hireche, S. Dhanya, M. Vysaakan, A. S. Mahesh, Maria C. Fernandez-Baizan, M. Ruiz, J. F. Martinez Sarrias, S. Millan, X. Liang, C. Xue, M. Huang, N. K. Sharma, N. K. Nagwani, J. Agarwal [2-18] и др.
Для преодоления описанной проблемы алгоритма Apriori в бакалаврской работе разрабатывается математическая модель и алгоритм построения классификаторов на основе аффинитивного анализа экспериментальных данных сварки. Построенный классификатор позволяет классифицировать качество сварки на основе измеренных в процессе сварки параметров.
В исследовании проверяется гипотеза о возможности использования аффинитивного анализа для построения классификатора качества сварки.
Целью работы является разработка алгоритма построения классификаторов с использование аффинитивного анализа на примере экспериментальных данных контактной сварки.
В ходе выполнения бакалаврской работы было опубликовано четыре статьи на тему практического применения алгоритмов машинного обучения [19-22].
Основные результаты работы были доложены на IV Международной научно-практической конференции (школы-семинара) молодых ученых «Прикладная математика и информатика: современные исследования в области естественных и технических наук».
Бакалаврская работа «Аффинитивный анализ при решении задач построения классификационных моделей», направлена на разработку математической и алгоритмической модели, поэтому данная тема соответствует требованиям Федерального государственного образовательного стандарта высшего образования по направлению подготовки 02.03.03 Математическое обеспечение и администрирование информационных систем.
В интеллектуальных системах диагностики технологических процессов применяются такие методы машинного обучения, как нейронные сети различных видов, деревья принятия решений, индуктивные алгоритмы классификации.
Примечательно, что данные методы направлены на решение задачи классификации — восстановления зависимости между измеряемыми параметрами технологического процесса и получаемым классом качества продукции.
При этом существуют алгоритмы поиска ассоциативных правил, одним из которых является Apriori. Недостатков алгоритма Apriori являет то, что он не предназначен для решения задач классификации, он решает задачи аффинитивного анализа.
В настоящее время исследованиями на тему совершенствования возможностей алгоритмов аффинитивного анализа данных занимаются такие ученые, как Y. Djenouri, M. Comuzzi, P. Arora, S. Singh, X. Zhao, D. Li, Z. Sun, Y. Chen, B. Liao, N. C. Benhamouda, H. Drias, C. Hireche, S. Dhanya, M. Vysaakan, A. S. Mahesh, Maria C. Fernandez-Baizan, M. Ruiz, J. F. Martinez Sarrias, S. Millan, X. Liang, C. Xue, M. Huang, N. K. Sharma, N. K. Nagwani, J. Agarwal [2-18] и др.
Для преодоления описанной проблемы алгоритма Apriori в бакалаврской работе разрабатывается математическая модель и алгоритм построения классификаторов на основе аффинитивного анализа экспериментальных данных сварки. Построенный классификатор позволяет классифицировать качество сварки на основе измеренных в процессе сварки параметров.
В исследовании проверяется гипотеза о возможности использования аффинитивного анализа для построения классификатора качества сварки.
Целью работы является разработка алгоритма построения классификаторов с использование аффинитивного анализа на примере экспериментальных данных контактной сварки.
В ходе выполнения бакалаврской работы было опубликовано четыре статьи на тему практического применения алгоритмов машинного обучения [19-22].
Основные результаты работы были доложены на IV Международной научно-практической конференции (школы-семинара) молодых ученых «Прикладная математика и информатика: современные исследования в области естественных и технических наук».
Бакалаврская работа «Аффинитивный анализ при решении задач построения классификационных моделей», направлена на разработку математической и алгоритмической модели, поэтому данная тема соответствует требованиям Федерального государственного образовательного стандарта высшего образования по направлению подготовки 02.03.03 Математическое обеспечение и администрирование информационных систем.
✅ Заключение
На основе проведенных в бакалаврской работе исследований были сделаны следующие выводы:
1. Анализ литературных источников показал, что использование методов машинного обучения позволяет автоматизировать задачу синтеза алгоритмов управления и диагностики различных технологических процессов (в том числе и контактной сварки).
2. Алгоритмы аффинитивного анализа являются относительно молодыми (алгоритм Apriori был предложен 90-х годах). Поэтому актуальными являются исследования направленные на изучение возможностей аффинитивного анализа в том числе в задачах классификации данных.
3. В результате исследований был разработан алгоритм синтеза классификатора данных, основанных на результатах аффинитивного анализа исходных данных. Показан пример практического использования алгоритма. Также описаны особенности использования получаемых с помощью предложенного алгоритма классификаторов.
4. С использованием предложенного алгоритма были проанализированы экспериментальные данные 100 контактных точечных сварок и получен классификатор качества сварных соединений. Построенные классификатор качества позволяет на основе измеряемых в процессе сварки параметров прогнозировать качество соединения. Тестирование полученного классификатора на данных 59 сварок позволило оценить точность его работы, которая составляет 86,44%.
5. В результате выполнения бакалаврской работы было реализовано программное обеспечение реализующее предложенные подходы синтеза классификаторов на основе аффинитивного анализа данных на практике. Алгоритм использования реализованного программного обеспечения описан в разделе 3.2 бакалаврской работы.
В ходе выполнения бакалаврской работы было опубликовано четыре статьи на тему практического применения алгоритмов машинного обучения [19-22].
Основные результаты работы были доложены на IV Международной научно-практической конференции (школы-семинара) молодых ученых «Прикладная математика и информатика: современные исследования в области естественных и технических наук».
1. Анализ литературных источников показал, что использование методов машинного обучения позволяет автоматизировать задачу синтеза алгоритмов управления и диагностики различных технологических процессов (в том числе и контактной сварки).
2. Алгоритмы аффинитивного анализа являются относительно молодыми (алгоритм Apriori был предложен 90-х годах). Поэтому актуальными являются исследования направленные на изучение возможностей аффинитивного анализа в том числе в задачах классификации данных.
3. В результате исследований был разработан алгоритм синтеза классификатора данных, основанных на результатах аффинитивного анализа исходных данных. Показан пример практического использования алгоритма. Также описаны особенности использования получаемых с помощью предложенного алгоритма классификаторов.
4. С использованием предложенного алгоритма были проанализированы экспериментальные данные 100 контактных точечных сварок и получен классификатор качества сварных соединений. Построенные классификатор качества позволяет на основе измеряемых в процессе сварки параметров прогнозировать качество соединения. Тестирование полученного классификатора на данных 59 сварок позволило оценить точность его работы, которая составляет 86,44%.
5. В результате выполнения бакалаврской работы было реализовано программное обеспечение реализующее предложенные подходы синтеза классификаторов на основе аффинитивного анализа данных на практике. Алгоритм использования реализованного программного обеспечения описан в разделе 3.2 бакалаврской работы.
В ходе выполнения бакалаврской работы было опубликовано четыре статьи на тему практического применения алгоритмов машинного обучения [19-22].
Основные результаты работы были доложены на IV Международной научно-практической конференции (школы-семинара) молодых ученых «Прикладная математика и информатика: современные исследования в области естественных и технических наук».
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.